信息卡

一句话定位

清华大学 IEI Lab 出品的 text-to-CAD 多智能体框架，用 LangGraph 状态机串联四个专职 agent，把 LLM 生成 3D 可打印模型的成本砍到约十三分之一。

走红原因分析

现有 LLM text-to-CAD 的瓶颈不是建模能力而是推理组织：单 agent 在 10 条基准上烧掉 103M token、1307 次 API 调用。MAC 用"结构化状态传递 + 确定性翻译器 + 算力约束路由"正面解决，并给出可信评测表——成本 ¥125.69→¥9.67、token 减少 116 倍、特征通过率反而从 97.9% 升至 99.3%。有高校背书、有大数字、有开源代码，三要素齐备迅速出圈。

核心功能拆解

• 四段流水线：Spec Planner（需求→CADBrief JSON）→ Geometric Architect（→ArchitectPlan）→ Python Coder（→design 代码）→ Autonomous Skill Loop（Aider 修复闭环）。
• 阶段间只传紧凑结构化状态，任何 agent 不重读对话历史，在边界处切断幻觉传播。
• 确定性翻译器 `_plan_to_code`：extrude、revolve、hole、布尔、阵列、镜像、倒角等常见操作零 token 直译为 build123d 代码，仅未支持步骤才交给 LLM 兜底。
• 混合路由：每阶段可用不同模型，简单解析用便宜小模型，空间推理用强模型，修复阶段可换 Claude/GPT 或本地模型。
• 流水线缓存：缓存前两阶段输出，相同提示词重跑直接跳过前两个 LLM 阶段。
• Web UI 内嵌 model-viewer 预览 GLB；QA 后提供 10 秒窗口选择自动迭代/注入修改/停止。

架构与技术栈浅析

CAD 内核采用代数式 B-rep 库 build123d；编排层 LangGraph；修复循环借助 aider-chat==0.82.3；LLM 经 OpenAI 兼容端点接入 DashScope/OpenAI/DeepSeek/Gemini/Ollama 等。

安装与环境要求

Python 3.11 + conda 环境（trimesh/rtree 从 conda-forge 获取），需额外 `pip install --no-deps "aider-chat==0.82.3"` 绕过其 numpy==1.26.4 与 build123d 要求的 numpy>=2 冲突；Windows 建议走 conda，纯 pip 方案不可靠。

快速上手示例

git clone https://github.com/Pan-Chera/Multi-Agent-CAD && cd Multi-Agent-CAD
conda env create -f environment.yml && conda activate multi_agent_cad
pip install --no-deps "aider-chat==0.82.3"
export DASHSCOPE_API_KEY=...        # 或写入 config.py
python -m multi_agent_cad.graph     # 默认工作流
python -m multi_agent_cad.web       # Web UI: http://0.0.0.0:8000

改 `config.py` 的 USER_REQUEST 自定义需求后须清 `pipeline_cache/cad_brief.json` 等缓存。

进阶使用要点

`graph_aider` 可将 USER_REQUEST 作为修改要求应用到已有文件；`_config_defaults --reset` 一键恢复默认配置；pip-only 用户可先装 aider 再 force-reinstall numpy≥2（macOS arm64 已验证）。

典型应用场景

• 参数化标准件快速生成与导出 STEP/STL 用于 3D 打印。
• 低预算批量探索不同结构方案（单件成本最低 ¥0.53 起）。
• 作为研究基线，替换某一阶段为自训练本地模型做消融实验。

同类生态位对比

对比基线 earthtojake/text-to-cad 是单 agent 代表；MAC 以状态机分工 + 确定性翻译显著省 token，且 README 明确要求引用时同时引用基线项目，学术规范到位。

资源导航

仓库：https://github.com/Pan-Chera/Multi-Agent-CAD ；许可证 MIT；内置 cadpy 运行时衍生自 earthtojake/text-to-cad（原 MIT 再分发）。